復習 kinectと最近傍法で物体認識、kinectとk近傍法で物体認識で作ったプログラムは、指定した範囲内の深度データからオブジェクト情報を学習した。 問題点は、机などの関係のないデータも一緒に学習するため、例えば、テーブルに置かれた時計と、壁にかけられた同じ時計を違う物と見なす。 それを解決する一歩として、RANSAC(RANdom SAmple Consensus)アルゴリズムを用いて平面を除去する。 RANSACアルゴリズム ノイズの多いサンプルから2次元ならば最もらしい直線の相関を見いだす。 指定された回数の繰り返しで サンプルの中から適当な2点を選ぶ。 その二点が結ぶ線上付近にある（誤差の許容量を指定）他の点の数を数える。 その含まれる点の数が今までで最大ならば、最大の線の含む点のセットを更新 これによって、最もらしい線を求める。 今回のように3次元の場合には、2点を3点にし、
三行で 自然界のデータにはたくさんノイズがある ノイズがあると、法則性をうまく見つけられないことがある そんなノイズをうまく無視するのがRANSAC こんにちは。今日は大学院でやっているの情報学に関するネタをお送りします。 先日ふと、「そういえばちゃんと勉強したことがなかったなぁ」と思い立ったので、RANSACを勉強 & 実装してみました。 RANSACとは 大学院の研究で画像などの自然界のデータをとっていると、ノイズなどの原因で法則性から大きく外れて現れた「外れ値」がデータ中に含まれることがあります。外れ値は、データから法則性を見出す時に邪魔をします。そんな時に、外れ値をうまく無視して法則性(パラメータ)を推定をする手法がRANSACです。 ...なんて概念の話では分かりにくいので、具体例を見てみましょう。以下、法則性を「モデル」と読み替えます。 直線のモデル推定 与えられた点群から、そ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く